沈新宇さん、卒業おめでとうございます！

沈新宇さんは上海師範大学を卒業し、2023年から上海大学計算機工程与科学学院で修士課程に進学しました。研究グループに参加後、孫妍先生、韓越興先生、陳僑川先生の指導のもと、コンピュータビジョンとスマート農業の交差分野を研究し、複雑な農地シーンにおける雑草検出に注力しました。先生方の丁寧なご指導のもと、以下の研究を完成させました：

1. 複雑な農地シーンにおいて、既存の雑草検出手法が特徴表現能力に乏しく、背景干渉を受けやすいという問題に対し、FS-DETRという二領域融合Transformer検出モデルを提案しました。このモデルは、空間領域と周波数領域の二領域注意機構を協調的にモデル化することで、農地画像のきめ細かな特徴表現を効果的に強化し、外観が似た作物と雑草を正確に区別します。さらに、制約誘導型ラベル割り当て戦略を組み合わせてサンプルマッチング機構を最適化し、複雑な圃場シーンにおける検出精度と学習安定性を大幅に向上させました。

2. 既存のTransformer検出アルゴリズムにおける単一的なデコーダモデリングと、密集遮蔽シーンでの不安定な予測という問題に対し、強化版デコーダ FS-DETR-D を提案しました。この手法は、動的クエリ割り当てとハイパーエッジ高次クエリ相互作用機構を導入し、疎密や遮蔽の度合いが異なる複雑な農地シーンに適応しながら、密集した雑草対象の空間構造関係を正確にモデル化します。同時に、適応的知覚損失関数を設計して監督強度を動的に調整し、従来手法における見逃し、誤検出、予測の大きな揺らぎといった課題を効果的に解決し、デコーディング過程の安定性と予測一貫性を大幅に向上させました。

3. 既存の農地視覚検出アルゴリズムのシーン適応性の低さと汎化能力不足という限界に対し、二領域融合とデコード強化を備えた完全な雑草検出システムを構築しました。WeedCrop、LincolnBeet、MH-Weed16 など複数の公開データセットにおける大規模な実験により、このシステムは主流検出手法よりも優れた精度と頑健性を持つことが示されました。また、デコード強化モデルはベースラインモデルと比較して安定した精度向上を実現し、さまざまな実世界の複雑な農地作業シーンに効果的に適応し、スマート農業における視覚検出ソリューションを充実させました。

卒業後、沈新宇さんは栄耀終端有限公司に入社し、ソフトウェア開発と技術研究開発に従事します。上海大学での大学院生活の間、沈新宇さんは着実に研鑽を積み、絶えず向上し、専門能力と研究能力を継続的に高めてきました。多くの優れた先生方や友人と共に歩み、数多くの収穫を得ました。これからの道でも理想を胸に、地に足をつけ、困難を恐れず、勇敢に前進していくことを願っています。

論文リンク：基于Transformer的复杂农田杂草检测方法研究

コードリンク：https://github.com/han-yuexing/2026-thesis-sxy-code